Tôi Là Ai? – Khi Khoa Học Chạm Tới Linh Hồn | Thế Giới Cổ Đại
Con người từ lâu đã tự hỏi: ý thức là gì? Tại sao hàng tỷ nguyên tử vô tri khi kết hợp lại có thể tạo ra nhận thức, cảm xúc và cái gọi là “cái tôi”? Liệu ý thức là món quà thiêng liêng của Đấng Sáng Tạo, hay chỉ là một ảo giác phức tạp do não bộ tạo ra? Video này sẽ dẫn bạn đi qua một hành trình kỳ bí – từ Hội nghị Dartmouth năm 1956, nơi khái niệm trí tuệ nhân tạo lần đầu được đặt nền móng, cho đến sự ra đời của mạng nơ-ron nhân tạo, thuật toán học sâu, và cuối cùng là các mô hình ngôn ngữ khổng lồ như ChatGPT. Chúng ta sẽ khám phá những thí nghiệm nổi tiếng về tự ý thức ở động vật, hiện tượng độ trễ Libet cho thấy não quyết định trước khi ta “ý thức” được, và giả thuyết gây sốc của Daniel Dennett: “Cái tôi chỉ là một ảo ảnh.” Phải chăng con người chỉ là một mô hình ngôn ngữ sinh học, hoạt động không khác gì AI? Liệu “tự do ý chí” có thật, hay mọi hành động đã được lập trình bởi tiến hóa và gene? Cảm ơn mọi người! Chúc mọi người có những giây phút vui vẻ. Mời các bạn theo dõi video trên kênh Thế Giới Cổ Đại. ✔️ Thế Giới Cổ Đại sẽ đồng hành cùng các bạn trong hành trình giải mã những sự kiện kỳ bí xuyên suốt dòng lịch sử của loài người... ✔️ Chúc các bạn có những phút giây thư giãn và bổ ích! #thếgiớicổđại#bíẩn#ýthức
Được tạo bởi AI·Có thể có lỗi
Tóm tắt video
Được tạo bởi AI
Video này phân tích mối liên hệ sâu sắc giữa trí tuệ nhân tạo (AI) và ý thức con người. Từ lịch sử hình thành AI đến cơ chế của các mô hình ngôn ngữ lớn (LLM), tác giả đặt ra giả thuyết táo bạo rằng ý thức có thể là một ảo giác sinh học và con người thực chất hoạt động như một mô hình ngôn ngữ lớn bằng sinh học dựa trên xác suất và dữ liệu.
Chào mừng quý vị đến với kênh Thế Giới Cô Đại.
Tôi là MC Khương Duy, rất vui được đồng hành cùng các bạn trong video ngày hôm nay.
Có một câu hỏi vô cùng khó tin.
Nguyên tử là vật chất, nhưng khi rất nhiều nguyên tử hợp thành một con người thì lại sinh ra ý thức.
Vật chất thì làm sao có thể tạo ra ý thức?
Đây là một bí ẩn chưa có lời giải.
Nhưng cùng với sự tiến bộ không ngừng của trí thức khoa học,
loài người ngày càng tiến gần hơn đến ngài có thể vén màn bí ẩn này.
Đây tuyệt đối không phải là một chiêu trò thổi phong,
bởi vì tất cả câu trả lời có thể nằm ngay trong trí tuyệt nhân tạo,
thứ đã bùng nổ toàn cầu trong vài năm gần đây.
Việc nghiên cứu trí tuyệt nhân tạo sẽ giúp chúng ta hiểu được ý thức được hình thành như thế nào.
Chủ đề hôm nay thực chất liên quan đến câu hỏi
Con người đứng ở đâu trong vũ trụ?
Chúng ta thật sự tồn tại hay chỉ là ký ức được tái hiện trong một bộ não của một sinh mệnh lớn hơn?
Đây là một vấn đề vô cùng đáng để suy ngẫm và tất cả sẽ được giải mã trong video hôm nay.
Quay ngược lại thời gian, trở lại đầu năm 1956,
tại học viện Dartmouth thuộc bảng điều hàm sai nước Mỹ,
một chuyên giam bài tính 29 tuổi tên là John McCarthy
đã gửi đơn xin tài trợ nghiên cứu đến quỹ Rockefeller nổi tiếng.
Trong đề xuất của mình, ông đưa ra một ý tưởng bằng tính cách mạng,
nghe thì như bước ra từ thiểu tuyết khoa học viễn tưởng, thậm chí có phần phi lý.
Thật không thể ngờ quỹ Rockefeller lại phê duyệt và cấp cho ông một khoản tài trợ lớn.
Vào tháng 6 năm 1956, McCarthy đã mời các nhân vật nổi tiếng như cha đẻ của ly tuyết thông tin,
Claude Shannon, nhà nghiên cứu máy học Marvin Minsky và chuyên giam bài tính của IBM,
Nathaniel Rochester đến tham dự một hội thảo tại Dartmouth.
Trong hội thảo lần này, họ đã đưa ra một quan điểm chấn động giới khoa học,
máy móc có thể sở hữu trí tuệ, máy móc có thể suy luận, học hỏi và tự cải thiện.
Sau hội nghị, McCarthy đã viết bản tuyên bố Dartmouth trình bay đầy đủ quan điểm
và đề xuất về việc thực hiện hóa trí tuệ máy móc.
Ý nghĩa lớn nhất của hội nghị này là gì? Tôi nghĩ chỉ gói gọn trong hai chữ, niềm tin.
Họ tin rằng trí tuệ không phải là độc quyền của con người, trí tuệ là thứ có thể được tạo ra.
Vào năm 1956, suy nghĩ này hoàn toàn vượt thời đại,
thậm chí là một thách thức to lớn đối với quan điểm về đứng sáng tạo.
Sau hội nghị Dartmouth, những người tham gia quay lại công việc của mình,
và hình thánh nên ba trường phái lớn của trí tuệ nhân tạo, trung nghĩa biểu tưởng,
trung nghĩa liên kết và trung nghĩa hành vi. Đây là ba con đường khác nhau để thực hiện hóa trí tuệ nhân tạo.
Ba trường phái này trong một thời gian dài không đạt được bước đột phá lớn,
nhưng ngày càng có nhiều nhà khoa học bắt đầu chú ý hơn đến trung nghĩa liên kết,
bởi vì bản chất của trường phái này là mô phỏng não người,
tương ứng với các neuron và khớp thần kinh trong não bộ.
Các nhà khoa học gọi mô hình này là mạng neuron nhân tạo.
Vào năm 1980, một nhà khoa học người Nhật tên là Funihiko Fukushima đã đăng một bài nghiên cứu
quan trọng trên tạp chí Cybernetics. Bài viết có tiêu đề rất dài, nhưng ý chính rất đơn giản.
Ông đã tạo ra một loài máy tính có khả năng nhận diện hình ảnh,
dù hình ảnh đó bị dịch chuyển sang trái, sang phải, lên hoặc xuống.
Vào thời điểm đó, máy tính còn rất yếu, chỉ có thể nhận ra những con số hoặc chữ cái viết tay đơn giản.
Nhưng điều đáng kinh ngạc là máy tính vốn chỉ là những mảnh linh kiện như CPU,
bao mạch, bộ nhớ, vậy làm sao nó có thể hiểu được một hình ảnh?
Và từ đây, một câu hỏi lớn được đặt ra, hình ảnh thực sự là gì?
Đây là một bức ảnh ngậu nhiên. Khi phóng to ảnh, bạn sẽ thấy các điểm ảnh pixel nhỏ xíu,
mỗi pixel là một ô vông nhỏ. Mà nhờ vào sự khác biệt giữa mức xám giữa các pixel này,
khi sắp xếp theo một trật tựa nhất định, chúng tạo nên một hình ảnh hoàn chỉnh.
Thực ra, cách mắt người nhìn thế giới cũng y hệt như vậy. Ánh sáng từ vật thể tạo phản xạ vào mắt ta,
được các tế bào quang nhảy ở võng mạc tiếp nhận. Sau đó, chuyên đổi tín hiệu ánh sáng thành tín hiệu điện,
chuyên qua dây thần kinh thị giác đến vỏ não thị giác, và từ đó hình thành hình ảnh trong não.
Những gì Fukushima làm là mô phỏng lại quy trình thị giác này bằng máy tính.
Đây quả là một ý tưởng vĩ đại. Bây giờ, tôi sẽ giải thích nguyên lý hoạt động của mạng neuron
bằng cách đơn giản nhất. Giả sử, chúng ta muốn nhận diện một con số đơn giản, ví dụ như chữ số 3.
Dưới đây là 3 kiểu chữ viết tay khác nhau của số 3. Ở cấp độ pixel, rõ ràng 3 số này có sự khác biệt lớn.
Tuy nhiên, khi ánh sáng phản xạ từ con số vào mắt, các tế bào quang nhảy sẽ phân tích số hiệu đó.
Não người có khả năng phân biệt được hình dạng số 3 gồm 2 hình ô van không khép kín,
còn số 8 là 2 ô van khép kín. Từ đó, não đưa ra suy luận, nếu hình không khép kín,
khả năng cao đó là số 3. Vậy làm sao để máy tính cũng có thể suy luận như vậy?
Đầu tiên, khi bài tính muốn nhận diện một con số viết tay, nó sẽ chuyển hình ảnh đó thành một tấm lưỡi nhỏ
gồm 28 dòng và 28 cột, gọi là ảnh 28x28 pixel. Tổng cộng, tấm ảnh này có 784 điểm ảnh,
mỗi điểm ảnh mang một giá trị từ 0 đến 1. 0 nghĩa là đen hoàn toàn, 1 nghĩa là trắng hoàn toàn,
còn các sắc độ xám nằm ở giữa. Mỗi điểm ảnh này tương ứng với một neuron đầu vào trong hệ thống,
giống như các tế bào cảm quang trong mắt người, nơi tiếp nhận ánh sáng. Sau đó, dữ liệu sẽ đi qua lớp đầu ra,
nơi cho ra kết quả cuối cùng. Ví dụ, nếu đang nhận diện số, thì lớp đầu ra sẽ có 10 neurons,
tương ứng với các con số từ 0 đến 9. Neuron nào có điểm cao nhất thì hệ thống sẽ chọn đó là câu trả lời.
Ở giữa đầu vào và đầu ra là một hoặc nhiều lớp trung gian, gọi là lớp ẩn. Càng nhiều lớp ẩn,
mạng neuron càng phức tạp và càng có nhiều khả năng hiểu rõ hơn về đặc điểm của hình ảnh.
Bạn có thể tưởng tượng, khi chúng ta nhìn vào một hình ảnh, não không xử lý ngay lập tức,
thông tin ánh sáng sẽ đi qua hàng tỉ tế bào tần kinh trung gian trước khi ta nhận ra đây là số 5,
hay đây là một khuôn mặt quen thuộc. Những lớp trung gian đó trong não cũng giống như các lớp ẩn trong
mạng neuron của máy tính vậy. Tương tự như vậy, các chữ số viết tay thường tồn tại một số kiểu mẫu nhất định.
Ví dụ, số 9 có thể được xem là một vòng tròn kết hợp với một nét, số 8 là hai vòng tròn trồng lên nhau,
còn số 4 có thể được chia thành ba phần ngang. Lấy số 9 làm ví dụ, mục tiêu là gì?
Là khi số 9 xuất hiện, nó sẽ kích hoạt các neuron ở lớp tiếp theo,
những neuron chuyên nhận diện các đặc điểm như hình tròn và nét dọc.
Trong mô hình đơn giản này sẽ có khoảng 8-10 neuron được kích hoạt, sau đó thông tin đi vào lớp gần cuối
để xác định những neuron đại diện cho phần hình tròn và phần nét dọc, và cuối cùng cho ra kết quả ở lớp đầu ra.
Nhưng cần đặc biệt lưu ý rằng, đây chỉ là một trạng thái lý tưởng. Trên thực tế,
nếu chỉ dựa vào tín hiệu từ lớp đầu vào thì rất khó xử lý những vấn đề phi tuyến tính phức tạp như vậy.
Vậy phải làm thế nào? Các chuyên gia máy tính nhận ra rằng, bộ não con người không chỉ xử lý
thông tin như một chiếc máy, mà nó còn có một cơ chế đặc biệt hơn, trải nghiệm.
Trải nghiệm không chỉ là thứ ta nhớ, mà còn là thứ âm thầm định hình cách ta phản ứng.
Hãy lấy một ví dụ sâu sắc, giả sử bạn từng bị cho cắn khi còn nhỏ, sau này dù đã lớn,
dù con chó trước mặt bạn rất hiền lành, bạn vẫn có thể cảm thấy sợ hãi hoặc lùi bước theo phản xạ.
Tại sao? Bởi vì não bồ bạn đã từng trải qua cảm giác đau đớn và nguy hiểm,
và nó học được rằng, chó bằng có thể gây hại. Trải nghiệm đó được lưu lại và âm thầm ảnh hưởng
đến các hành vi của bạn, ngay cả khi lý trí nói rằng không sao đâu. Điều này cho thấy, trải nghiệm không
chỉ là dữ liệu quá khứ, mà còn là một lớp học vô hình, nơi bộ não liên tục cập nhật và điều chỉnh
cách ta nhìn nhận thế giới. Trái ngược với máy móc truyền thống, con người không chỉ phân tích lô dích,
mà còn biết cảm nhận, phòng bị, tin tưởng hoặc nghi ngờ. Tất cả đều đến từ trải nghiệm cá nhân tích lũy theo
thời gian. Để giúp máy nhận diện hình ảnh tốt hơn, các nhà khoa học đã phải liên tục nâng cấp cách
máy học hỏi. Ví dụ khi máy được yêu cầu nhận diện số 2 viết tay, nhưng sau khi tính toán, nó lại cho rằng
số 3 hoặc số 6 giống hơn, gán cho những số đó điểm cao nhất, ví dụ như 1 điểm, còn số 2 vốn là
đáp ảnh đúng chỉ được 0,2 điểm, do rằng đây là một kết quả sai và rất tệ. Làm sao để sửa? Lúc này,
con người sẽ can thiệp. Họ sẽ đưa ra đáp ảnh đúng là số 2 và yêu cầu hệ thống học lại bằng cách gán cho
số 2 điểm cao nhất, ví dụ 1 điểm, tất cả các số còn lại nhân với 0, tức là không đúng. Sau đó, thông tin
đúng này được đưa ngược trở lại hệ thống, máy sẽ dùng một toán phức tạp để điều chỉnh lại trọng số bên
trong, giống như tự sửa lỗi cho chính mình. Nhờ quá trình này, máy bắt đầu hiểu đúng đặc điểm của số 2 và từ
đó, nó có thể nhận diện các kiểu viết tay tương tự số 2 một cách chính xác hơn trong tương lai. Đây chính là
cách máy học từ xài lầm, không khác gì con người. Thử, rồi sai, được chỉnh sửa, rồi nhớ kỹ để lần sau không
lặp lại. Quá trình này có tên là học ngược, back probe aggregation, một trong những bước đột phá quan trọng
nhất trong công nghệ học sâu Deep Learning ngày nay. Nhưng rồi, một câu hỏi khó lại xuất hiện. Mạng
neuron thường bao gồm nhiều tầng, với rất nhiều thảm số tương tác với nhau. Quyết định của máy dựa trên
quy luật thống kê, chứ không phải quy luật logic mà con người có thể hiểu. Con người rất khó giải thích mỗi
tầng trong mô hình học được điều gì. Đây chính là vấn đề được gọi là hộp đen của mạng neuron.
Nếu muốn so sánh, bộ não con người có khoảng 86 tỷ neuron và chúng giao tiếp với nhau khoảng
100.000 tỷ lớp thần kinh. Tất cả kết nối lại thành một mạng lưỡi não khổng lồ. Và giống như mạng
neuron nhân tạo, ngay cả giới khoa học cũng không thể thực sự hiểu hộp đen của não người hoạt động
thế nào. Cho đến thời điểm hiện tại, chúng ta vẫn chưa biết chính xác ý thức được tạo ra như thế
nào. Nhân loại đang từng bước tiến gần đến việc giải mã bí ẩn nghìn năm nay.
Chuyển đến năm 2017, 8 chuyên gia máy tính của Google đã công bố một bài luận văn mạng tính đột phá
Attention is all your new, nghĩa là sự tập trung là tất cả những gì bạn cần. Bài viết giới thiệu
mô hình tràn phòng mơ đã nên móng lý thuyết cho các mô hình ngôn ngữ lớn sau này. Điển hình là
chat GPT đã nổi tiếng toàn cầu. Vì sao bài viết này lại vĩ đại? Bởi vì 8 nhà nghiên cứu đó đã đưa
ra một giải pháp toán học đột phá gọi là cơ chế tự chú ý, self-attention. Với thuật toán này,
họ tin rằng mạng lưỡi neuron có thể sản sinh một thứ gì đó rất giống như trí tuệ, có khả năng trả
lời các câu hỏi. Đây một lần nữa là sức mạnh của niềm tin, niềm tin rằng trí tuệ có thể được tạo ra.
Chúng ta vừa nói về cách máy tính có thể nhận diện hình ảnh, một bước tiến quan trọng trong
lĩnh vực trí tuệ nhân tạo. Nhưng giờ đây, chúng ta đang bước sang một cột mốc còn vĩ đại hơn,
từ nhận diện hình ảnh đến hiểu và sử dụng ngôn ngữ. Tại sao đây là một bước tiến nhảy vọt?
Bởi vì ngôn ngữ không chỉ là công cụ giao tiếp mà là cốt lõi của tư duy con người. Chúng ta nói
chuyện bằng lời, người khiếm tính giao tiếp bằng thủ ngữ, máy tính vận hành bằng ngôn ngữ lập trình.
Và toán học, dù không nói ra thành lời, cũng là một ngôn ngữ chiều tường. Nó có ký hiệu,
cú pháp, cấu trúc, độ chính xác và khả năng ứng dụng toàn cầu. Chính vì thế, các mô hình ngôn ngữ
lớn như GPT không chỉ học từ văn bản mà còn mô phỏng được cấu trúc và logic của ngôn ngữ,
kể cả khi nó mang bản chất toán học. Tóm lại, ngôn ngữ là công cụ mạnh mẽ nhất mà con người
từng tạo ra để mô tả thế giới. Nó vừa đơn giản, vừa kỳ diệu. Nhưng ngôn ngữ không chỉ là công cụ.
Chất gia Ludwig Wittgenstein từng nói một câu nổi tiếng,
Nói cách khác, những điều chúng ta không có từ ngữ để gọi tên cũng là những điều chúng ta không thể
thực sự nghĩ đến. Ví dụ, ngoài vũ trụ mà chúng ta quan sát được, có tồn tại một thứ gì khác không?
Không ai biết, bởi vì chúng ta không thể tưởng tượng được, nên cũng không có từ ngữ để mô tả. Vì vậy,
ngôn ngữ chính là tấm gương phản chiếu tư duy nhân loại. Mọi trí thức, mọi khái niệm, mọi cảm xúc,
mọi trải nghiệm vật lý, tất cả những gì ta có thể gọi tên đều nằm trong biên giới của ngôn ngữ.
Và đây cũng là lý do vì sao ngôn ngữ lớn là một bước tiến vĩ đại. Nó không chỉ học cách nói chuyện,
mà nó còn nắm bắt được mọi thứ có thể con người mô tả bằng từ ngữ. Tức là,
toàn bộ phần có thể diễn tả được của thế giới. Vậy làm sao mô hình ngôn ngữ lớn có thể hiểu được
ngôn ngữ con người? Tôi sẽ tiếp tục giải thích một cách ngắn gọn nhất. Trong trí tuyển nhân tạo,
mỗi token, tức là một đơn vị nhỏ của ngôn ngữ như một từ hoặc một phần của từ, sẽ được
truyền thành một dãy số gọi là vector. Bạn có thể tưởng tượng vector như một điểm trong
không gian nhiều chiều. Mỗi mô hình ngôn ngữ sẽ có một vũ trụ riêng với số chiều khác nhau. Ví dụ,
với GPT-3, mỗi token nằm trong không gian có 12.288 chiều, một con số rất lớn. Trong không gian này,
các từ có nghĩa gần giống nhau sẽ nằm gần nhau. Ví dụ, từ men và của mình nằm sát nhau vì
chúng có liên quan về mặt nghĩa. Cặp từ kinh, vua và queen, nữ hoàng cũng vậy. Tuy nhiên,
trong tiếng Anh, từ queen có thể mang nghĩa là ban nhạc queen nổi tiếng nên khoảng cách giữa kinh và
queen có thể xa hơn một chút do từ queen có nhiều nghĩa hơn. Không chỉ có khoảng cách, vector còn có
góc lệch, ướng để thể hiện sự liên quan về chủ nghĩa hoặc ngữ pháp. Ví dụ, nếu có hai điểm
đại diện cho Đức, Germany và Ý, Italy thì khi bạn nhập từ Hitler, mô hình có thể nhận ra mối
liên hệ lịch sử và chính trị. Từ đó dự đoán từ Mussolini sẽ nằm gần Italy vì hai nhân vật này
từng là đồng minh. Khi mô hình ngôn ngữ trả lời câu hỏi, nó không chọn một câu trả lời duy nhất ngay
lập tức. Nó sẽ tính toán nhiều khả năng khác nhau và gian cho mỗi khả năng một sát xuất,
tức là điểm số từ 0 đến 1, càng gần 1 thì càng chắc chắn. Ví dụ, bạn hỏi Harry Potter là
một câu bé đặc biệt, cậu ấy ghét giáo sư nào nhất? Mô hình sẽ nhận diện các từ khóa như Harry
Potter, ghét, giáo sư rồi dựa vào kiến thức của nó để đưa ra danh sách các giáo sư trong chuyện.
Sau khi tính toán, nó thấy rằng Snape là câu trả lời hợp lý nhất và gian cho từ này sát xuất 0,78.
Vì vậy, nó chọn Snape làm câu trả lời. Tuy nhiên, đó là một câu hỏi đơn giản. Hãy tưởng tượng,
bạn vừa đọc xong một cuốn tiểu thuyết trình thám dài và hỏi, ai là hung thủ? Để trả lời được,
mô hình không chỉ cần hiểu từ khóa mà còn phải theo dõi mối quan hệ giữa các nhân vật,
ghi nhớ các chí tiết trong suốt hàng trăm trang, rồi phân tích mảnh mối dài rác trong câu chuyện.
Đây là lúc chí tuyết nhân tạo phải thực sự thể hiện khả năng hiểu ngôn ngữ như con người,
không chỉ chọn từ giống nhau mà phải sâu chuỗi, suy luận và đưa ra phán đoán hợp lý.
Làm sao máy có thể thực hiện nhiệm vụ phức tạp như vậy?
Đây chính là một đột phá mang tính cách mạng của nhóm 8 kỹ sư Google được thể hiện bằng công thức
toán học trong bài nghiên cứu Attention is all you need. Trong công thức đó có 3 thành phần quan trọng.
Quy rì, truy vấn, dùng để tìm xem từ hiện tại liên quan đến phần nào trong câu.
Khi, tức là khóa, đánh giá thông tin từng từ trong câu.
Value, giá trị, biểu thị nội dung thật sự của từng từ.
Ba đài lượng này mang rất nhiều tham số. Sau khi tính toán, chúng tạo ra một tổ tổng hợp có trọng số.
Mô hình sẽ phân tích mảnh mối trong từng chương, từng đoạn, mối quan hệ giữa các nhân vật
để hình thành một bức tranh tổng thể của toàn bộ tiêu thuyết.
Do đó, mô hình ngôn ngữ lớn không chỉ cần thuật toán phức tạp mà còn cần có sức mạnh tính toán khổng lồ.
Dù vậy, nhiều niềm tin khoa học của các nhà nghiên cứu mô hình đã thành công.
Dù hiện tại, các mô hình ngôn ngữ lớn vẫn chưa thực sự trở thành trí tuệ nhân tạo hoàn chỉnh.
Nhưng con người đã từng bước một, vững chắc đến việc tạo ra trí tuệ.
Trên đây, tôi đã cố gắng dùng cách giải thích đơn giản nhất
để giúp bạn hiểu một mô hình ngôn ngữ lớn hoạt động ra sao.
Nhưng có thể bạn sẽ hỏi, chẳng phải hôm nay chúng ta đang nói về ý thức là gì sao?
Sao lại nói toàn truyện với mô hình ngôn ngữ vậy?
Thực ra, tất cả những điều trên chỉ là phần dẫn tập.
Nội dung chính về ý thức mới chỉ là bắt đầu.
Chúng ta hãy bắt đầu bằng một thí nghiệm trên động vật.
Thời gian quay trở về năm 1970,
giáo sư tâm lý học sinh học Gordon Gallup đang nghiên cứu
liệu động vật có tự ý thức về bản thân không?
Thật ra, trước khi Gallup, nhiều nhà sinh vật học cũng đã từng đặt ra câu hỏi này.
Ví dụ, trong một đoạn phim cổ,
người ta đặt thức ăn ở một vị trí cao mà chim bổ câu không thể vơi tới.
Bạn đoán chim làm gì?
Cảnh tưởng khiến người xem ngỡ ngàng,
chim đẩy khối gỗ đến bên dưới thức ăn rồi nhảy lên để mổ thức ăn.
Liệu điều này chứng minh rằng chim có ý thức?
Không hẳn, vì đó có thể chỉ là bản năng sinh tồn,
không chứng tỏ chim ý thức được về bản thân của mình.
Vậy làm sao để chứng minh tự ý thức?
Gallup đã đưa ra một phương pháp thiền tài,
thí nghiệm với gương soi.
Năm 1970, ông thực hiện một thí nghiệm đánh dấu bằng gương.
Vì thời đó chưa có phương tiện ghi hình tốt,
nên tôi xếp hình họa bằng tư liệu được quay lại sau này.
Thí nghiệm đầu tiên dùng voi.
Ban đầu, voi có phản ứng tò mò mạnh mẽ với chiếc gương.
Chúng chạm vào gương, nhìn vào trong.
Điều này chất thấy voi đang cố gắng hiểu bản chất của hình ảnh trong gương.
Sau đó, các nhà nghiên cứu vẽ một dấu lên trán voi.
Cảnh tưởng kỳ diệu xuất hiện,
voi không tìm thấy dấu vết trên gương,
mà đưa voi lên sờ đúng vị trí trên đầu mình.
Điều này chứng minh rằng,
chúng hiểu đó là chính mình,
chứ không phải là một con voi khác trong gương.
Kênh National Geography sau đó lặp lại thí nghiệm này với đời gơi.
Họ đánh dấu trên trán con đời gơi.
Nó liền đưa tay lên trán,
vách tóc ra và quan sát phần đầu được đánh dấu.
Thí nghiệm của Gallup thật xuất sắc.
Chứng minh rằng,
nhiều loài động vật bậc cao cũng có ý thức về bản thân,
giống như con người.
Điều này khiến ta phải suy nghĩ lại,
tự ý thức không phải là đặc quyền của con người.
Từ động vật cấp thấp đến cấp cao,
từ phản xạ bản năng đến ý thức sở khai,
rồi đến ý thức hoàn chính của con người.
Ý thức có thể tồn tại trên một phổ liên tục,
không phải hiện tượng kỳ bí khó hiểu như ta tưởng.
Con người không phải con của thần linh,
và chúng ta không hề đặc biệt trong vũ trụ này.
Ý thức là kết quả của tiên hóa,
là hiện tượng phóng điện giữa các neuron thần kinh.
Tóm lại, trí tuệ là kết quả của tự nhiên.
Khi hội nghị Dark Mod diễn ra vào năm 1956,
những trả khoa học thiền tài lúc ấy đã khẳng định,
con người có thể tạo ra trí tuệ.
70 năm sau, Charts GPT chính thức ra đời.
Khi GPT-1 được phát hành,
nó chỉ có 117 triệu tham số,
và khả năng trả lời câu hỏi còn rất kém.
Đến GPT-2,
số tham số tăng lên 1,5 tỷ,
và lúc đó một hiện tượng không tưởng đã xảy ra.
Các nhà thiết kế bất ngờ phát hiện,
GPT-2 tự nhiên học được cách dịch ngôn ngữ mà không ai dạy nó cả.
Tuy khả năng dịch của nó còn rất kém so với tiếng Anh,
nó còn có thể dịch tiếng Pháp, tiếng Trung, tiếng Tây Bà Nha,
một cách hoàn toàn tự phát.
Cho đến nay, vẫn chưa có lời giải thích rõ ràng
vì sao GPT-2 lại đột ngột sinh ra năng lượng dịch thuật.
Rồi đến GPT-3,
với số lượng tham số nhảy vọt đến 175 tỷ.
Nó thể hiện năng lực lô dịch phức tạp,
có thể viết mã, thiết kế website,
tạo trò chơi và trả lời các câu hỏi có độ chính xác cao.
Đặc biệt, GPT-3 còn bắt đầu mô phỏng được cảm xúc.
Nó có thể tạo ra đoạn văn buồn bã,
tức giần hoặc vui vẻ,
giống như đăng viết từ cảm nhận con người.
Tất cả những năng lực ấy đều vượt xa dự đoán của người tạo ra nó.
Tại sao lại xuất hiện những bước nhảy vọt này?
Một số chuyên gia cho rằng,
hiện tượng này rất giống với quá trình tiền hóa,
từ chim bổ cầu, đến đuổi ươi, đến con người.
Chí thông minh có thể tỷ lệ thuần
với số lượng neuron và các liên kết thần kinh.
Số tham số trong mảng neuron nhân tạo,
giống như số neuron trong đáu bồ,
càng nhiều, càng có cơ hội xuất hiện trí tuệ vật trội.
Hiện tại, AI vẫn chưa có ý thức.
Có lẽ là vì tham số vẫn chưa đủ nhiều.
Vậy thế hệ GPT tiếp theo có thể sinh ra ý thức không?
Hiện giờ chưa ai dám khẳng định chắc chắn,
nhưng nhiều chuyên gia tin rằng,
vấn đề không phải là có thể hay không,
mà là khi nào.
Việc AI có ý thức chỉ là vấn đề thời gian.
Chúng ta đã nói rất nhiều,
bây giờ hãy tóm tắt lại một cách đơn giản.
Ý thức thực chất là kết quả của các neuron thần kinh
thông qua tín hiệu điện và tín hiệu hóa học
tương tác lẫn nhau tạo ra một dạng nhận thức phức tạp cao độ.
Nó không chỉ có thể được tiền hóa tự nhiên,
mà còn có thể được con người tạo ra bằng công nghệ.
Nhưng nếu bạn nghĩ rằng đó là toàn bộ câu chuyện,
thì bạn đã quá xem thường đề tài đầy huyền bí này.
Bởi vì, còn một lý thuyết mang tính lật đổ hơn nữa.
Chuyển sang đầu thập niên 1980,
các nhà thần kinh học Benjamin Libet
đã thực hiện một thí nghiệm gây chấn động giới khoa học.
Thí nghiệm diễn ra như sau.
Libet dùng máy điện não độ EEG để đo hoạt động của não bộ.
Trốc mặt người tham gia là một màn hình đồng hồ
với kim đồng hồ quay 60 giây.
Người tham gia tự chọn bất kỳ thời điểm nào để nhấn nút.
Theo logic thông thường, kết quả phải như sau.
Não ra lệnh, thần kinh chuyển tín hiệu đến tay,
rồi tay nhấn nút.
Ví dụ, bạn quyết định nhấn nút ở giây thứ 55,
thì não phải kích hoạt trước đó.
Nhưng điều bất ngờ xảy ra,
Libet phát hiện tín hiệu ở tay xuất hiện
trước khi não bộ có bất kỳ hoạt động ý thức nào về quyết định đó,
tranh lệch khoảng 200 mili giây.
Tiện tượng này được gọi là độ trễ Libet, Libet delay.
Nó dẫn đến một phát hiện gây sốc.
Trước khi ý thức đưa ra quyết định,
phổ thức của não đã quyết định trước rồi.
Vậy có thể nào,
chúng ta không thực sự làm chủ hành vi của chính mình?
Liệu ý thức có thật sự tồn tại,
hay chỉ là ảo giác?
Truyền đến năm 1991,
nhà khoa học nổi tiếng Daniel Dennis
xuất bản cuốn sách kinh điển,
dài mã ý thức,
Consonant Excerpt Plan.
Trong đó, ông đưa ra một giả thuyết gây tranh cãi.
Con người tưởng tượng trong đầu mình
có một kẻ điều khiển Tihon,
một cái tôi đang ngồi điều khiển mọi thứ từ trung tâm.
Nhưng thực tế, không có ai trong đó cả.
Ý thức có thể chỉ là một ảo ảnh.
Dennis cho rằng,
không có bản ngã tách biệt nào trong não,
ý thức chỉ là một hiện tượng phù
phát sinh từ tương tác giữa các neuron và nguyên tử.
Hiểu nôm na,
cái tôi mà bạn nghĩ rằng đang tồn tại
chỉ là ảo giác của các phản ứng hóa học.
Vậy, ta là gì?
Cơ thể con người được cấu thành từ 7
nhân 10 mũ 27 nguyên tử.
Nguyên tố nhiều nhất là oxy
chiếm 65% khối lượng.
Sau đó là carbon 18%
và hydrogen 10%.
3 nguyên tố này chiếm 93% khối lượng cơ thể.
Phần còn lại đã hơn 60 nguyên tố khác.
Trừ khi có những phản ứng cực đoan
như phản ứng hạt nhân,
va chảm hạt năng lượng cao,
pha quy diệt vật chất,
phản ứng vật chất,
thì nguyên tử không thể bị phá hủy.
Các nhà thiện văn học phát hiện
phần lớn các nguyên tử hydro trong vũ trụ
có từ vụ nổ Big Bang cách đây 13,8 tỷ năm.
Nghĩa là,
ngay cả khi nguyên tử có tuổi thọ giới hạn,
thì nó vẫn có thể sống lâu hơn cả tuổi thọ của vũ trụ.
Khi con người chết đi,
các nguyên tử trong cơ thể sẽ quay về với tự nhiên.
Ngay cả khi bị thiêu thành cho,
vật chất không biến mất,
nguyên tử vẫn còn đó.
Sau vài năm,
các nguyên tử ấy sẽ tái gia nhập hệ sinh thái,
lan tỏa khắp thế giới.
Chúng ta đang sống trong một thân thể
được cấu tạo từ những nguyên tử cổ xưa hơn cả trái đất.
Chúng từng là đá, là sông, là hoa, là côn trùng.
Thậm chí trong cơ thể chúng ta hôm nay
có thể đang chứa những nguyên tử
từng thuộc về Tần Thủy Hoàng
hoặc George Washington.
Chúng ta hít thở những hạt bụi vũ trụ xưa kia.
Những gì ta gọi là ta
chỉ là sự tổ hợp tạm thời của những phần tử cổ đại ấy.
Trong mỗi hơi thở bạn hít vào,
có thể đều chứa những nguyên tử
từng thuộc về một giành nhân trong lịch sử.
Từ góc độ này, cái gọi là con người
thật ra chỉ là sản phẩm
của sự tổ hợp nguyên tử không hừng thay đổi.
Chúng ta từng cho rằng
những sản phẩm đó có ý thức độc lập.
Nhưng kể từ khi
mô hình ngôn ngữ lớn ra đời,
khái niệm ý thức đã có một câu trả lời hoàn toàn khác,
đến mức không ai dám tưởng tượng trước kia.
Giả sử các neuron thẩn kinh
trong não người hoạt động tương tự
như mảng neuron nhân tạo
thì toàn bộ hệ thống đảo bổ
chính là một không gian siêu chiều.
Tất cả các suy nghĩ và câu trả lời
mà chúng ta tưởng là tư quyết
thực ra chỉ là quá trình tìm kiếm
từ ngữ gần nhau trong không gian vector
sau đó kết hợp lại thành câu trả lời.
Chúng ta tưởng rằng
mình đang suy nghĩ có ý thức,
nhưng có lẽ
đó chỉ là một hành vi lựa chọn dựa trên sát xuất.
Mô hình ngôn ngữ lớn
đã gởi mở một điều đáng kinh ngạc.
Não bổ, cái hộp đen của chúng ta
chịu ảnh hưởng trực tiếp
từ 2 tầng, đầu vào và đầu ra.
Tầng đầu vào gồm các giác quan
mắt nhìn thấy gì, tay nghe được gì
mỗi người thấy gì
lưỡi nếm gì, da cảm nhận ra sao
tất cả những gì cơ thể tiếp nhận
từ thế giới.
Tầng đầu ra chính là trải nghiệm sống,
ký ức, các pha chạm với cuộc đời.
Nói ngắn gọn,
đó gọi là kinh nghiệm.
Đầu vào và đầu ra
tác động trở lại vào não bổ
liên tục định hình cách ta nhìn nhận thế giới.
Nếu giả thiết này là đúng
thì ý thức chỉ là kết quả
của một thuật toán thần kinh phức tạp.
Bạn đọc càng nhiều sách
học càng nhiều ngôn ngữ
tức là bạn đang nạp thêm nhiều token và hệ thống.
Mà như ta đã biết
danh giới của ngôn ngữ
chính là danh giới của tư duy.
Một người càng có nhiều khả năng
kết hợp từ ngữ
thì người đó càng có tư duy sâu sắc hơn.
Đó là lý do vì sao
người ta nói
học cả đời là để sống có chiều sâu.
Còn người có nhiều trải nghiệm sống
tức là họ liên tục đưa ra
dữ liệu từ đầu ra phản hồi ngược lại
vào hệ thống thần kinh.
Não bổ của họ sẽ điều chỉnh
các tham số bên trong
và dần dần trở nên nhảy bén trong việc giải quyết vấn đề.
Chúng ta thường gọi
họ là những người từng trải, là cao thủ.
Thế còn thiên tài?
Có lẽ bản chất của thiên tài
là não bổ của họ
được tối ưu hóa cực kỳ hiệu quả
ở một số vùng nhất định.
Nhưng vùng đó hoạt động tốt hơn
người bình thường nên họ có thể
tư duy nhanh hơn, sáng tạo hơn,
hiểu sâu hơn và vượt trội.
Vậy thì trí thức, kinh nghiệm,
thiên tài
có thể nào chỉ là các tham số
và cấu trúc nội tại khác nhau
trong mạng neuron của mỗi người?
Đây là một giả thuyết đầy thú vị.
Nếu tất cả những điều trên là đúng,
nếu chúng ta buộc phải chính xác
về mặt tự ngữ,
thì con người thực sự có tự ngã
hay ý thức độc lập.
Chúng ta là gì?
Chúng ta chỉ là một mô hình ngôn ngữ lớn,
đáng biết đi.
Dĩ nhiên, tất cả những điều tôi nói
chỉ là giả thuyết cá nhân.
Nhưng tôi không nói vu vơ.
Chessire Daniel Dennis từng cho rằng
cái tôi chỉ là một câu chuyện
do não bổ biến ra để tự lừa mình.
Tôi tiếp tục phát triển trên lý thuyết ấy
kết hợp với hiểu biết về AI
và hình thành nên một giả thuyết.
Con người chính là mô hình ngôn ngữ sinh học hóa.
Vậy, ý thức là gì?
Câu hỏi cổ xưa ấy
vẫn chưa có lời giải cuối cùng.
Nhưng tôi tin rằng
nhân loại đang tiến gần đến chân lý.
Có thể, ý thức chỉ là một ảo giác
được tạo nên bởi Gen,
một hình ảnh được dựng lên
để ta tin rằng mình có quyền tự quyết.
Một sản phẩm phụ
trong huồng quay của tiên hóa.
Và rồi, bánh xe đỉnh bành
sẽ đưa loài người đi về đâu?
Tôi xin giữ lại câu trả lời cho tập tiếp theo.
Quan điểm của bạn như thế nào
về chủ đề ngày hôm nay?
Hãy để lại ý kiến trong phần bình luận nhé!
Xin chào và hẹn gặp lại!